CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

Estimation of Electricity Demand in Residential Sector Using Genetic Algorithm Approach

اعتبار موردنیاز : ۱ | تعداد صفحات: ۸ | تعداد نمایش خلاصه: ۳۵۳ | نظرات: ۰
سال انتشار: ۱۳۹۰
کد COI مقاله: JR_IJIEPR-22-1_005
زبان مقاله: انگلیسی
حجم فایل: ۱۸۲.۵۶ کیلوبایت (فایل این مقاله در ۸ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۸ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله Estimation of Electricity Demand in Residential Sector Using Genetic Algorithm Approach

  Hossein Sadeghi - Assistance professor, Tarbiat Modares University, Tehran, Iran
  Mahdi Zolfaghari - PhD student, Tarbiat Modares University, Tehran, Iran
Mohamad Heydarizade - MSc of electricity restructure - Power and water University of technology

چکیده مقاله:

This paper aimed at estimation of the per capita consumption of electricity in residential sector based on economic indicators in Iran. The Genetic Algorithm Electricity Demand Model (GAEDM) was developed based on the past data using the genetic algorithm approach (GAA). The economic indicators used during the model development include: gross domestic product (GDP) in terms of per capita and real price of electricity and natural gas in residential sector. Three forms of GAEDM were developed to estimate the electricity demand. The developed models were validated with actual data, and the best estimated model was selected on base of evaluation criteria. The results showed that the exponential form had more precision to estimate the electricity demand than two other models. Finally, the future estimation of electricity demand was projected between 2009 and 2025 by three forms of the equations; linear, quadratic and exponential under different scenarios.

کلیدواژه‌ها:

Electricity demand, Genetic algorithm

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-JR_IJIEPR-JR_IJIEPR-22-1_005.html
کد COI مقاله: JR_IJIEPR-22-1_005

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
Sadeghi, Hossein; Mahdi Zolfaghari & Mohamad Heydarizade, ۱۳۹۰, Estimation of Electricity Demand in Residential Sector Using Genetic Algorithm Approach, International Journal of Industrial Engineering & Production Research 22 (1), https://www.civilica.com/Paper-JR_IJIEPR-JR_IJIEPR-22-1_005.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (Sadeghi, Hossein; Mahdi Zolfaghari & Mohamad Heydarizade, ۱۳۹۰)
برای بار دوم به بعد: (Sadeghi; Zolfaghari & Heydarizade, ۱۳۹۰)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه دولتی
تعداد مقالات: ۲۴۸۵۹
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مدیریت اطلاعات پژوهشی

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

مقالات مرتبط جدید

شبکه تبلیغات علمی کشور

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.